L’IA dans le commerce de détail se développe sur une fondation qui met en péril la confiance du client

Un client reçoit un SMS : sa commande a été retardée. Mais lorsqu’il ouvre le chatbot que le détaillant a conçu pour l’aider, il lui annonce avec certitude que le colis a été expédié hier. À contrecœur, il appelle le service client, où un agent vocal lui demande son numéro de commande, comme si la conversation avec le chatbot n’avait jamais eu lieu. Au moment où il parvient à joindre un humain, il a cessé de faire confiance à tout ce que dit la marque. 

C’est l’échec que le commerce de détail n’avait pas prévu. Tout l’argument du commerce de détail en faveur de l’IA repose sur une chose : connaître suffisamment bien le client pour le fidéliser. Mais cette même intimité qui rend un agent d’IA précieux est aussi ce qui rend ses échecs si coûteux.  

Dans le cadre du nouveau rapport de Sinch, le AI Production Paradox, nous avons interrogé plus de 400 leaders du commerce de détail dans 10 régions pour découvrir quels sont leurs objectifs en matière d’IA et à quels défis ils sont confrontés dans leur parcours vers le déploiement, et au-delà. Il s’avère que le secteur apprend la leçon à ses dépens. 

L’histoire dominante dans le domaine de l’IA d’entreprise est que les organisations ont du mal à la déployer. Mais L’étude de Sinch a révélé que, dans la communication client, ce n’est plus vrai : 63 % des détaillants ont déjà mis en service des agents d’IA, un chiffre légèrement supérieur à la moyenne mondiale.  

Dans le commerce de détail, les marques déploient des agents d’IA sur un large éventail de canaux de communication – y compris l’email, le chat sur site web, la messagerie sociale, les SMS, WhatsApp et la voix – pour offrir un support sur tous les plans, des requêtes de commande au ré-engagement, en passant par les retours.  

Cette ambition s’étend désormais également à la voix, un canal qui a été traditionnellement négligé dans la communication client. 47 % des détaillants considèrent la gestion des appels vocaux comme leur plus grande opportunité en matière de voix, soit six points au-dessus de la moyenne. 

_{L’étude de Sinch (2026) montre que les trois principaux canaux à intégrer à l’IA dans le commerce de détail sont l’email (67 %), les chatbots web (66 %) et les réseaux sociaux (54 %).}

Mais opérer sur autant de canaux à la fois est aussi ce qui rend le déploiement difficile. Deux des obstacles les plus susceptibles de bloquer un projet pilote d’IA sont la perte de contexte à travers les canaux (24 %) et les frictions d’intégration avec les systèmes backend (20 %) – et ce sont les deux faces du même problème. Lorsque les canaux ne sont pas connectés au niveau de l’infrastructure, les agents ne peuvent pas conserver le contexte, et les clients finissent par se répéter. 

_{L’étude de Sinch (2026) montre que le plus grand obstacle à la production dans le commerce de détail est l’incapacité à maintenir le contexte à travers les canaux et les sessions (24 %).}

Ce qui motive le rythme et l’ambition des détaillants en matière d’IA est différent de ce qui motive les efforts dans d’autres secteurs. Seuls 20 % des détaillants citent l’autonomie comme le principal avantage de l’IA agentique – le taux le plus bas de tous les secteurs. Au lieu de cela, 37 % considèrent une compréhension plus approfondie du contexte et de l’intention du client comme le plus grand avantage des agents d’IA. 

Pour les entreprises de vente au détail, l’objectif est particulièrement axé sur l’amélioration des relations avec les clients. En fait, 27 % citent des expériences client plus personnalisées et dynamiques comme leur objectif principal – le taux le plus élevé de tous les secteurs, et sept points au-dessus de la moyenne mondiale.  

_{L’étude de Sinch (2026) montre que 37 % des détaillants considèrent une compréhension plus approfondie du contexte et de l’intention du client comme le plus grand avantage des agents d’IA.}

Le commerce de détail a acheminé son atout le plus précieux, la relation client, directement via ses agents d’IA. C’est le pari. Mais que se passe-t-il quand cela se brise ? 

Mettre un agent en production est une chose. L’y maintenir en est une autre. Parmi les organisations de vente au détail exécutant déjà des agents d’IA en production, 71 % ont dû en arrêter un à la suite d’un échec de gouvernance. Et les principaux modes de défaillance provoquant ces retours en arrière – l’exposition des données client et les hallucinations – frappent les marques exactement là où elles sont le plus exposées. 

Dans le commerce de détail, les défaillances des agents d’IA attaquent la même chose que l’agent a été conçu pour approfondir : la relation client. 

Lorsqu’un agent partage des informations personnelles qu’il ne devrait pas, cela rompt l’accord sur lequel repose le modèle de personnalisation du commerce de détail (partagez vos données, obtenez une meilleure expérience), donnant au client le sentiment que l’échange ne vaut pas le risque. Et lorsqu’un agent d’IA doté d’un contexte client approfondi fournit avec assurance la mauvaise réponse, c’est la marque que les acheteurs blâmeront – pas l’agent. 

« Si je viens vous voir pour acheter un nouveau produit mais que vous m’envoyez vers le support, cela aura un impact négatif sur la marque. Les clients font l’expérience de votre marque à un véritable point de défaillance, ce qui signifie une perte de confiance. Et une fois que vous perdez cette confiance, il est très difficile de la regagner. »

Daniel Morris CPO chez Sinch

Mais il existe un coût plus silencieux derrière celui qui est visible. Chaque fois que le contexte est rompu entre les canaux, un ingénieur le reconstruit à la main. La complexité omnicanale qui rendait l’agent difficile à lancer se trouve désormais dans le backlog. 

L’étude de Sinch définit cela comme la taxe des garde-fous. D’après l’étude, 84 % des équipes d’ingénierie passent au moins la moitié de leur temps à construire et à maintenir des garde-fous. Dans le commerce de détail, où 31 % des équipes d’ingénierie passent la majeure partie de leur temps sur des contrôles de sécurité, cette capacité est consacrée à un travail défensif plutôt qu’à l’amélioration des fonctionnalités de l’agent pour renforcer l’expérience client.  

Et cela s’accumule. Chaque nouveau canal et chaque nouvel agent ajoutent une couche supplémentaire à construire, à maintenir et à reconstruire lorsque quelque chose se brise. 

C’est dans le contexte intercanal que le commerce de détail en ressent le plus les effets. Plus de la moitié des organisations (55 %) sont en train de développer sur mesure la capacité de poursuivre une conversation d’un canal à un autre, parce que leur plateforme ne le fait pas nativement. Et chacune de ces constructions est une autre intégration à maintenir en vie, et un autre endroit où l’historique d’un client peut être perdu.  

Les fonctionnalités destinées à fidéliser le client sont en concurrence pour le temps d’ingénierie avec l’échafaudage qui maintient l’agent en sécurité, et l’échafaudage continue de gagner. 

Ce qui rend la situation plus difficile à résoudre, c’est que les personnes qui pourraient agir à ce sujet ont des points de vue différents sur les performances des programmes d’IA. Et cela se vérifie à travers les secteurs verticaux et les régions. 

Globalement dans l’étude, les responsables techniques signalent des retours en arrière à un taux plus élevé que leurs homologues commerciaux au sein des mêmes organisations. Dans le commerce de détail, les dirigeants (C-suite) sont 2,3 fois plus susceptibles que leurs propres vice-présidents et directeurs d’affirmer que la plupart des projets pilotes de communication d’IA réussissent.  

Cette disparité dans les données reflète différents comptes rendus des mêmes événements et un manque de visibilité qui met la marque en péril. 

Il est tentant de considérer cela comme un simple problème de modèle ou un problème de budget. La pression budgétaire dans le commerce de détail est bien réelle. À 11 %, les détaillants le citent comme leur principal obstacle plus souvent que tout autre secteur. Et avec les hallucinations à l’origine de 18 % des retours en arrière, le risque lié au modèle est également réel. Mais à eux seuls, ce n’est pas ce qui fait échouer les conseillers.  

Le meilleur indicateur de réussite du déploiement de l’IA dans l’étude n’est ni la maturité de la gouvernance ni les dépenses. C’est l’infrastructure de communication sous l’agent. 

C’est pourquoi, lorsque les détaillants expriment ce qu’ils attendent le plus d’un partenaire d’infrastructure, l’intégration de la plateforme d’IA arrive en tête de liste à 42 %, à égalité avec la gestion de la conformité. Le secteur est à la recherche de fondations qui protègent les données du client et peuvent maintenir un agent de manière cohérente à travers les canaux. 

L’indice révélateur est de savoir qui cherche le plus activement : les opérateurs de vente au détail les plus avancés – plus grand déploiement, plus grande confiance, garde-fous les plus matures – sont les plus actifs dans l’évaluation de nouveaux fournisseurs. Non pas parce qu’ils sont insatisfaits, mais parce qu’ils comprennent mieux que quiconque ce que la prochaine étape du déploiement de l’IA exige réellement de l’infrastructure sous-jacente. 

Les détaillants qui prennent de l’avance construisent leurs programmes d’IA sur des fondations qui conservent le contexte sur chaque canal, et non sur des fondations qui oublient le client dès qu’il change de canal. 

Le commerce de détail a misé ses ambitions en matière d’IA sur la relation client. Tous les autres secteurs ont fait une version du même pari, et chacun se heurte à des murs différents. Mais tout au long, il y a quelque chose de constant : l’IA dans la communication client n’est plus bloquée au stade pilote, mais la véritable histoire commence lorsque les organisations passent en production. 

Le AI Production Paradox s’appuie sur 2 527 dirigeants d’entreprise pour montrer où commencent les défaillances, ce qu’elles coûtent, et pourquoi l’infrastructure sous l’agent détermine qui prend de l’avance. Découvrez comment le commerce de détail se situe, et ce qui distingue les marques qui conservent la confiance du client de celles qui la perdent. 

Auteur: Tara Brownbill Tara Brownbill is a Senior Content Manager at Sinch